图像去雾

频率步进雷达一维成像，高分辨距离像HRRP，设置好了参数，点击即可运行出结果图，能计算散射矩阵

其中，mdivwctl.cpp，mdivwctl.h 是MS_OCR的模块程序，一些功能函数尽我们的理解作了中文注释。用法主要在CCMD_OCRView.cpp中，OCR的用法很简单；为了使示范程序象样一点，添加图形的显示（它与OCR无关）。图形显示使用了CXImage包，这里你也顺便了解一个CXImage包的用法吧。这个程序中OCR的识别类型我们设置成简体中文，这样对英文的识别不好；当然你可能修改成识别英文（或其它国的文字，源程序里都有，你自己找吧）。

基于暗通道的图像去雾处理matlab 源码。有原作者的源码，和两种改进的方法。并提供测试图片。                                                        

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

运用MFC框架，实现了双线性插值算法，能实现图像的放大和缩小。操作BMP图像，可以读取BMP图像，保存BMP图像。

审查的各块匹配的运动估计在 MPEG 编码中使用的算法。这一幅是为运动检测代码。

此代码是在关于图像放大缩小的处理--用到双缓冲解决闪屏问题。

 本程序利用他人在网络中分享的算法进行学习，并在学习过程中进行的部分改编。程序结构简单，适用于初学者了解算法的内涵。

资源描述使用c代码实现的联通区域标记，要求输入的是1和0的二值图像，然后使用堆栈方法标记出连通区域的个数，每个亮值点都标记出所属的联通区域标号，可以统计面积和筛选等。

图像水印技术近年来得到了越来越多的研究兴趣。我们有不同类型的图像水印技术。在这段代码中，我使用DWT和SVD做了图像水印。